Question

我有一个python作业，必须将正则表达式操作应用于XML文件。具体来说，我必须提取XML文件中的某些部分。例如

<?xml version="1.0" encoding="UTF-8"?>

<.... some xml sections...>

<keyword:ROW field1="value1">
<field2>=value2</field3>
<field3>=value3</field3>
</keyword:ROW>

<keyword:ROW field4="value4">
<field4>=value4</field4>
<field4>=value4</field4>
</keyword:ROW>

在上面的代码示例中，我必须提取以

开头的部分

<keyword:ROW"

请告诉我如何将re.compile（）应用于此问题说明。

Answer 1

您可以尝试

<keyword:ROW\s[\w\W]*?<\/keyword:ROW>

说明

<keyword:ROW-匹配<keyword:ROW。
\s-匹配空格字符。
[\w\W]*?-匹配零个或多个时间的任何字符。（使它变懒）
<\/keyword:ROW>-匹配</keyword:ROW>

Demo

Answer 2

为什么不尝试使用xml模块？

例如。

import xml.etree.ElementTree as ET
tree = ET.parse('example.xml')
root = tree.getroot()

for item in root.findall('keyword:ROW'):
    field2 = country.find('field2').text
    print field2

引用：https://docs.python.org/2/library/xml.etree.elementtree.html

Answer 3

使用regex解析XML不是一个好主意，因为XML数据可能包含嵌套结构，从而在使用regex解析时会导致意外结果。

尽管对于简单的情况，您可以进行快速而肮脏的工作，但从长远来看，您应该使用XML解析器。仅针对您的情况，您可以使用此正则表达式，

(?s)<keyword:ROW.*?<\/keyword:ROW>

要查找您的<keyword:ROW标签的所有出现

说明：

(?s)->启用。匹配换行符，默认情况下不是
<keyword:ROW->匹配您想要的关键字
.*?->匹配该非贪婪字符，并在<\/keyword:ROW>之前停止
<\/keyword:ROW>->匹配结束标签并停止捕获文本

这是您需要的python代码，

import re
s = """
<?xml version="1.0" encoding="UTF-8"?>

<.... some xml sections...>

<keyword:ROW field1="value1">
<field2>=value2</field3>
<field3>=value3</field3>
</keyword:ROW>

<keyword:ROW field4="value4">
<field4>=value4</field4>
<field4>=value4</field4>
</keyword:ROW>
"""

arr = re.findall(r'(?s)<keyword:ROW.*?<\/keyword:ROW>', s)
print(arr)

哪个给出以下输出，基本上是示例XML中存在的两个标签。

['<keyword:ROW field1="value1">\n<field2>=value2</field3>\n<field3>=value3</field3>\n</keyword:ROW>', '<keyword:ROW field4="value4">\n<field4>=value4</field4>\n<field4>=value4</field4>\n</keyword:ROW>']

如果您需要任何说明，请告诉我。

将正则表达式应用于python中的xml文件

3 个答案: